#多模态

Elorian 发布首个模型 Glimpse，以视觉草稿空间做图像推理

Elorian 发布首个模型 Glimpse，以研究预览形式开放 API，聊天界面为候补名单制。Glimpse 在推理过程中可裁剪图像区域、从视频中抽取特定帧或运行代码来测量和比较所看内容，Elorian 称这一机制为视觉草稿空间。

YouTube Music 上线 AI 音乐标签，区分全生成与部分生成

YouTube Music 周三宣布推出新的标签系统，用于标注借助生成式 AI 创作的歌曲，涵盖参与作曲和人声的作品，标签显示在播放器页面，点击可查看 AI 在创作中的具体作用，该标签也将扩展到 YouTube 主应用。

Meta 发布 Muse Spark Open 开源权重模型，816B 参数对标 Qwen、GLM 和 Kimi

Meta 发布开源权重模型 Muse Spark Open，称其为美国最强开源权重模型，面向编码与智能体任务，拥有 8160 亿参数（420 亿激活）、最高 100 万 token 上下文，支持文本、图像、视频和音频。

同一新闻，精选展示《Meta 开源 Muse Spark Open：816B 参数多模态 MoE 模型》

Nvidia 发布 Nemotron 3.5 Super VL 开源多模态模型，同步推出两款端侧 Bolt 模型

Nvidia 发布 Nemotron 3.5 Super VL，一个 120B 参数的开源多模态模型，面向持续在后台运行、处理文本、图像、文档和视频的企业智能体，采用 MoE 架构，每个 token 仅激活 120B 中的 12B 参数。

NVIDIA 发布 Nemotron 3.5 Super VL 与两款 Bolt 边缘模型

NVIDIA 发布 Nemotron 3.5 Super VL，一个 1200 亿参数的开源多模态模型，面向常驻智能体任务，官方称其准确率可对标自家最大推理模型而参数量约为其五分之一，吞吐量最高快 5 倍。

Meta 开源 Muse Spark Open：816B 参数多模态 MoE 模型

Meta 发布开源权重模型 Muse Spark Open，采用 MoE 架构，总参数约 816B、每 token 激活约 42B，支持文本、图像、音频和视频输入，上下文窗口最高 1M tokens。

Google Research 公布 2026 年放大人类创造力的 10 项进展

Google Research 在 Research@ 活动上公布 10 项进展，包括扩展 Google Earth AI 早期访问，开放地理空间分析、行星预测引擎和 agent-to-agent API 三项实验能力，并整合 Google Dataset Search 与 TimesFM。

AINews：Gemini 4 Argon 正式发布，Vals AI 谈基准测试

Google 的 Gemini 4 Argon 今日正式 GA，覆盖编码、知识工作、企业工作流和网络防御，通过付费 Gemini API 与 Gemini 平台、Gemini 应用中的 AI Pro 和 Ultra、Search 的 AI Mode 以及 Antigravity 的 Ultra 提供访问。

llm-gemini 0.35 新增对 Gemini 4 Argon 的支持

Simon Willison 为 llm-gemini 0.35 加入对 Gemini 4 Argon 的支持，该模型今日通过 Gemini API 和每月 100 美元的订阅计划开放。

Google DeepMind 发布 Gemini 4 Argon，面向机器人物理推理

Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，称超过其他前沿模型。

Google DeepMind 发布 Gemini 4 Argon 前沿模型

Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业、科研人员和普通用户开放，通过 AI Studio、Gemini API、Google Antigravity、Gemini 应用和 Search 的 AI Mode 提供，定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 享 95% 折扣。

Meta 发布 Muse Wonder 与 Muse Wonder Full，第三方评测接近前沿水平

Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder（代号 Watermelon）与 Muse Wonder Full，前者通过 Meta Model API 和 Muse Code 提供，后者仅面向 Muse Code 订阅用户。

Import AI 476：创造力与递归自我改进；开源权重模型表现逊于中国；AI 走向太空

Import AI 476 报道了 Elorian 与 Scale AI 发布 Humanity's Sixth Sense 视觉推理基准，含 522 道题、288 张图和 234 段短视频，人类 pass@1 为 93.1，最佳 AI 系统 GPT 6 Astra 仅 53.6，GLM-5.3-flash 与 Kimi K3 分别只有 26.8 和 25.5。

TII 推出 Falcon-ASR：1.6B 参数阿拉伯语语音识别模型，主打阿联酋方言

阿布扎比技术创新研究院（TII）发布 1.6B 参数的语音识别模型 Falcon-ASR，重点支持阿联酋方言，同时覆盖英语、法语、西班牙语和葡萄牙语。在六个阿拉伯语测试集上平均 WER 为 20.92%，优于其采用的榜单快照中最佳公开结果 23.17%；内部阿联酋方言评测 WER 22.73%、CER 10.19%，比次优的 Qwen3-Omni 低 4.07 个百分点。

Google DeepMind 发布 EmbeddingGemma 2 开源多模态嵌入模型

Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构、740M 参数的开源多模态嵌入模型，可将文本、图像、音频和视频映射到统一嵌入空间，采用 Apache 2.0 许可。

Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态

Mistral AI 发布 Mistral Large 4（ML4）公开预览，可通过 Mistral Studio 的预览 API 试用，权重将于本月底开放。ML4 是 1 万亿参数、520 亿激活参数的原生多模态模型，官方称其在编码、智能体工作流和多模态理解上表现突出，并在网络安全、金融、法律等企业场景中处于开源模型领先水平。

Google DeepMind 发布 Gemini 4 Argon 前沿模型

Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者。

微软研究院推出面向生物学复杂性的 AI 研究系统 Quine

微软研究院推出 Quine，一个面向生物学复杂性的 AI 研究系统，由生物学世界模型和连接模型、科学工具、文献与实验人员的交互式 harness 两部分组成。该系统与 Broad Institute 合作用于胰腺导管腺癌研究，预测并排序数千种化合物，最高排名的化合物在湿实验中产生了最大的经典态向基底态转变，整个筛选与优先排序过程仅用一个周末。